【正版】社会计算(社区发现和社会媒体挖掘)/计算机科学丛书9787111402879
正版旧书 85成新左右 里面部分划线标记 内容完好 可正常使用 旧书不附带光盘
￥ 26.66 7.6折 ￥ 35 九品
仅1件
作者(美)唐磊//Huan Liu|译者:文益民//闭应洲
出版社机械工业
ISBN9787111402879
出版时间2013-01
装帧平装
开本16开
定价35元
货号9787111402879
上书时间2024-11-27
- 最新上架
商品详情
- 品相描述：九品
- 商品描述
-
导语摘要
《社会计算(社区发现和社会媒体挖掘)》作者在社会媒体挖掘和社会计算方面进行了深入的研究，不仅熟稔社会计算的理论研究，而且具有非常丰富的社会计算应用经验。本书介绍了社会计算的基础知识，描述了社区发现的典型方法，并讨论了社区发现评价的问题，阐述了混杂社会网络中的社区发现问题和社会媒体挖掘技术。本书由唐磊、HuanLiu著。
商品简介本书从数据挖掘角度介绍社会媒体的性质，评述社会媒体计算的代表性工作，并描述社会媒体带来的挑战。书中介绍了基本概念，使用浅显易懂的例子展示了*的算法和有效的评价方法，阐述了混杂社会网络中的社区发现技术和社会媒体挖掘技术。
本书简明易懂，是研究社会媒体中的社区发现与挖掘技术的入门级读物，适合从事社会媒体数据挖掘研究与应用的学生、研究者和实践者阅读。
作者简介
HuanLiu(刘欢)南加州大学获博士学位，现为亚利桑那州立大学计算机科学与工程教授。他的研究方向包括：数据／网络挖掘、机器学习、社会计算、人工智能等。他是社会计算、行为建模和预测(SBP)国际会议／专题研讨会(http：／／sbp．asu．edu／)的发起者，同时是AAAI、ACM、ASEE和IEEE的会员。
LeiTang(唐磊)2010年于亚利桑那州立大学获博士学位，现为雅虎实验室研究员。他的研究方向包括：社会计算、数据挖掘和社会媒体挖掘。尤其是混杂网络的关系学习、群体进化、特征抽取和影响建模以及社会媒体中的集体行为建模与预测。他是ACM和IEEE会员。
文益民，桂林电子科技大学计算机科学与工程学院教授，上海交通大学计算机软件与理论专业博士，中国计算机学会高级会员。长期从事计算机软件与理论的教学和研究。主要讲授的课程包括：程序设计、数据库系统原理、机器学习、数据挖掘与数据仓库等。2007—2011年在湖南大学和中南大学从事博士后研究，2012年访问亚利桑那州立大学HuanLiu(刘欢)教授领导的数据挖掘与机器学习实验室。研究兴趣包括：机器学习与数据挖掘、社会媒体挖掘、推荐系统、系统综合评价等。主持省部级科研项目8项；参与国家自然科学基金项目2项；发表学术论文30余篇；获得省部级教学、科研奖励6项；主编普通高等教育“十一五”国家级规划教材1部。多次应邀担任国际会议程序委员。
闭应洲，广西师范学院教授，武汉大学软件工程国家重点实验室计算机软件与理论专业博士，硕士生导师，广西高校优秀人才资助计划资助人选、广西师范学院软件研究所副所长。主要研究方向：智能计算、智能信息处理及社会计算。主持和参加了10多项科研项目的研究工作，发表了30多篇论文。2012年2月至2013年1月在美国亚利桑那州立大学访学，师从HuanLiu(刘欢)教授，重点研究从海量数据中获取知识所必需的理论和技术：1)高效的特征选择算法，试图通过特征选择和特征离散化来处理大量的高维数据；2)集成多数据源解决不确定性和模糊性问题；3)应用领域知识，在协同演化算法的框架下融合多种机器学习方法实现有效的挖掘和信息集成，使得计算机更加“聪明”，能够处理更复杂的问题。
目录
出版者的话
中文版序
译者序
译者简介
致谢
第1章 社会媒体与社会计算
1.1 社会媒体
1.2 概念与定义
1.2.1 网络与表示
1.2.2 大规模网络的属性
1.3 挑战
1.4 社会计算的任务
1.4.1 网络建模
1.4.2 中心性分析与影响建模
1.4.3 社区发现
1.4.4 分类与推荐
1.4.5 隐私、垃圾信息与安全
1.5 总结
第2章 结点、联系和影响
2.1 结点的重要性
2.2 联系的强度
2.2.1 从网络拓扑中学习
2.2.2 从用户特点和交互中学习
2.2.3 从用户行为序列中学习
2.3 影响建模
2.3.1 线性阈值模型
2.3.2 独立级联模型
2.3.3 影响最大化
2.3.4 影响和相关的区别
第3章 社区发现与评价
3.1 以结点为中心的社区发现
3.1.1 完全的相互关系
3.1.2 可达性
3.2 以群组为中心的社区发现
3.3 以网络为中心的社区发现
3.3.1 顶点相似性
3.3.2 隐含空间模型
3.3.3 块模型近似
3.3.4 谱聚类
3.3.5 模块度最大化
3.3.6 一个统一的过程
3.4 以层次为中心的社区发现
3.4.1 分裂式层次聚类
3.4.2 聚合式层次聚类
3.5 社区评价
第4章 混杂网络中的社区发现
4.1 混杂网络
4.2 多维网络
4.2.1 网络集成
4.2.2 效用集成
4.2.3 特征集成
4.2.4 划分集成
4.3 多模网络
4.3.1 双模网络的联合聚类
4.3.2 多模网络
第5章 社会媒体挖掘
5.1 社会媒体中的演化模式
5.1.1 研究社区演化的朴素方法
5.1.2 平滑演化网络中的社区演化
5.1.3 处理网络演化的基于片段的聚类算法
5.2 网络数据的分类
5.2.1 集体分类
5.2.2 基于社区的学习
5.2.3 总结
附录A 数据收集
附录B 介数计算
附录C k均值聚类
参考文献
索引
内容摘要
《社会计算(社区发现和社会媒体挖掘)》从数据挖掘角度介绍社会媒体的性质，评述社会媒体计算的代表性工作，并描述社会媒体带来的挑战。书中介绍了基本概念，使用浅显易懂的例子展示了最新的算法和有效的评价方法，阐述了混杂社会网络中的社区发现技术和社会媒体挖掘技术。
《社会计算(社区发现和社会媒体挖掘)》简明易懂，是研究社会媒体中的社区发现与挖掘技术的入门级读物，适合从事社会媒体数据挖掘研究与应用的学生、研究者和实践者阅读。本书由唐磊、HuanLiu著。
— 没有更多了 —
以下为对购买帮助不大的评价